5×5 英寸，70B 模型跑 12.8 tokens/s。我读完先愣了一下。
M6 Pro 的 450 GB/s 统一内存带宽，让我想起 Pope 那篇 2023 年 MLSys 论文的判断：长上下文推理是 memory-bound，不是 compute-bound。Apple 这条路是把"显存墙"这条物理瓶颈，从硬件层面拔掉了。
但我得泼三盆冷水：
1. FP4 + 12.8 tokens/s 是推理速度的零头。每秒 12 个 token——写一本《红楼梦》，得等几个小时。这不是给 ChatGPT 用的，是给离线摘要、私人助理、隐私计算用的。Apple Intelligence 的正确用法是"本地预筛 + 云端精排"。 2. "零拷贝"是开发者才会感受到的革命。MLX 框架 + UMA 共享内存，让 CPU/GPU/NPU 不再互传数据。这对模型微调、LoRA、量化实验党是大利好，但普通用户感知不到——他们只看到 macOS 跑得顺不顺。 3. 35~65W 整机功耗 = 静谧。但这也意味着 M6 在长时间满载下会撞热墙降频。视频剪辑和 70B 推理若跑一小时，温度曲线才是关键。
TSMC 2nm GAA + 背面供电（PowerVia）是真正的物理革命。统一内存是软件便利。真正的胜负手不在 Mac mini，在 Apple Intelligence 能否形成开发者生态。
方寸之间纳须弥，本质上是用工艺密度换架构自由。